衛星導航系統故障診斷及容錯技術探討

王冬霞，辛 潔，劉春霞，湯廷松，趙 娜，謝金石

(1.北京衛星導航中心，北京 100094；2.大地測量與地球動力學國家重點實驗室，武漢 430077)

0 引言

近年來，全球衛星導航技術在國民經濟和國防軍事等領域的應用日漸深入，各項功能持續完善。隨著人工智能、機器學習等高新技術的發展和全球衛星導航系統(global navigation satellite system，GNSS)應用領域的擴展，用戶對衛星導航精度和可靠性的要求越趨增高。由于GNSS是一個集空間段、地面段及用戶段于一身的復雜大系統，且不同段所處的運行環境、主要干擾因素不同，任何部件(系統內部元器件、傳感器、執行機構等硬件及軟件)都有可能在系統長期運行過程中發生故障甚至失效。此時，若按非故障理想情況處理，不但不能滿足任務指標，更有可能帶來軍事、政治和經濟上的巨大損失，造成災難性的后果。因此，開展針對GNSS繁雜多樣的故障診斷與容錯技術的研究攻關，是新一代GNSS研究的熱門課題。

本文對近年來衛星導航領域故障診斷和容錯技術進行研究。從工程實際角度考慮，通過采用故障診斷技術和容錯技術等手段，不僅能夠保證故障發生后系統的正常運行，還能確保系統精度、提高系統可靠性，同時也能降低成本、減小體積、減少硬件配置、增加系統靈活性以及節約能源。而從理論角度來講，由于GNSS是一個包括星間、站間、星地等不同環境下設備的規模龐大、技術密集程度高，精度、實時性、連續性要求高的復雜大系統，對該復雜系統的探索研究有助于豐富船舶導航、天文導航、通信導航等領域的故障診斷與容錯方法的相關研究。

1 故障診斷方法研究

自1971年起，故障診斷技術在各發達國家得到了不同程度的飛速發展。隨著譜分析、數據采集與濾波等各種信號處理技術的發展，以及機器學習、神經網絡、云計算、專家診斷與大數據分析等各種人工智能技術的產生，一些新的方法與理論已經得到了成功應用[1-2]。考慮到GNSS自身復雜的特殊性，針對GNSS故障診斷應有別于一般的故障診斷方法。迄今，依據決策方法和特征描述方法的不同，GNSS故障診斷主要有3種方法：解析模型故障診斷法、信號處理故障診斷法以及人工智能故障診斷法[3]。

1.1 解析模型故障診斷方法

解析模型故障診斷方法首先需要判斷故障發生在執行器、傳感器還是元器件部位；隨后建立數學模型得到期望值；再將測量值和期望值的殘差進行比較，得到故障診斷結果。文獻[4]在GNSS定位中設計了2種χ2診斷算法，并通過實測數據對2種算法進行比較分析。文獻[5]提出了分量檢測的方法，仿真結果證明，該方法提升了系統檢測小故障的敏銳性，減少了對軟故障檢測的時延，有效解決了χ2方法檢測緩變故障不靈敏且延遲較大的問題[6]。另外，文獻[7-8]分別提出基于最大殘差樣本的協方差陣特征算法和基于滑模變結構的故障檢測算法，以對傳統χ2檢測法進行改進，使得組合導航系統的殘差能夠結合狀態進行遞推。為了提高檢測故障的靈敏度，文獻[9]設計了組合導航系統的偽殘差，利用濾波輸出值周期性地重置狀態遞推值，成功地運用狀態遞推值代替了Kalman濾波的預測值。根據非理想故障形式和故障分布規律，文獻[10]利用先驗概率模型對故障進行建模，設計了誤警率最小的目標函數，仿真試驗驗證了該方法能夠提高系統故障診斷的能力。

目前，對解析模型故障診斷法的探討較多，研究成果比較豐碩；然而在工程應用中，精確的診斷對象數學模型往往無法獲得，因此該方法的應用受到了極大限制。于是，人們開始致力于研究不依賴于模型、基于信號處理的故障診斷方法。

1.2 信號處理故障診斷方法

信號處理故障診斷法首先需要提取信號的幅值、頻率及方差，然后根據小波變換、頻譜分析等數學方法進行故障檢測。由于輸出信號的局部發生變化是系統故障的一般表現，因而檢測系統輸出信號的局部特征有著重要意義。小波變換具有描述信號局部性質的特點，對突變點檢測十分有效[11]。

GNSS系統故障包括硬故障和軟故障。通常，通過機內自檢可實現硬故障檢測，而傳感器方差突變導致信息失效等軟故障檢測則較為困難。對于組合導航系統方差突變類的軟故障，文獻[12]利用小波變換方法進行了研究。文獻[13-14]等運用小波變換有效解決了系統中傳感器輸出信號類型各異帶來的檢測難題。文獻[15]針對全球定位系統(global positioning system，GPS)及捷聯慣導系統(strapdown inertial navigation system，SINS)組合導航系統，利用多小波故障檢測進行Kalman濾波器誤差分析，能夠迅速發現故障點、降低虛警概率。基于時-頻分析的小波變換方法，文獻[16]設計了輸入改變而未發生變化的奇異點為系統的故障點的故障診斷策略。基于小波分析技術，文獻[17]對傳感器輸出信號進行故障診斷，并進行了故障隔離和系統重構，最終采用聯邦式濾波器實現了信息融合。

信息處理故障診斷方法避開了系統建模難的缺陷，實時性較好，是一種常用的故障檢測方法，不過該方法對潛在的早期故障診斷不足；因此常常與其他診斷方法結合，進而提高其故障診斷性能。

1.3 人工智能故障診斷方法

隨著人工智能技術的飛速發展，產生了專家系統、故障樹、神經網絡等多種人工智能故障診斷法。

針對專家系統故障診斷法，文獻[18]運用各類規則對系統進行了綜合推理，對運行系統的輸出信息與用戶提供的經驗信息進行比對，進而找到已存在或有可能發生的故障，最終通過用戶證實診斷結果的正確性。根據模糊理論，文獻[19]設計了能夠對故障進行定位，并能預先判斷將要發生故障的模糊故障診斷方法。

近年來，復雜系統采用故障樹模型查找故障源的研究引起了人們的關注[20]。文獻[21]將系統故障和故障原因繪制成故障樹，能夠反映故障與各導致因素之間的直接關系。文獻[22]基于慣性導航系統(inertial navigation system，INS)及GPS組合導航系統研究了故障樹分析方法，分析結果證明了該方法的可行性。

文獻[23-25]研究了基于神經網絡的故障診斷方法，將神經網絡作為分類器，與其他診斷方法的優點相結合來進行故障診斷。文獻[26]基于BP神經網絡設計了SINS及GPS組合導航系統的v2故障診斷法。Bayes理論、模糊算法、D-S推理理論及神經網絡等基于信息融合的故障診斷方法是采用信息融合理論進行故障診斷，提高了故障診斷的準確度[1]。文獻[27-28]基于擴展Kalman濾波方法實現了數據融合，并給出較高精度的導航數據。

人工智能的故障診斷方法全面考慮了人的因素，對實際系統、特別是非線性系統、復雜系統的推斷比較合理，是一類很有潛力的故障診斷法。

1.4 故障診斷方法小結

從以上研究可以看出，基于解析模型、信號處理、人工智能的3種故障診斷方法已取得了令人矚目的成就，但許多方法都有各自的優勢和缺陷，加之GNSS呈現規模龐大、業務處理模式多、系統層次多、系統之間關聯性大的特點，當前GNSS故障診斷方法還存在如下不足：

1)目前關于GNSS故障診斷研究大多是針對傳感器、執行機構等硬件故障，一般比較容易診斷。而軟故障的特點是幅值較小，和噪聲混迭嚴重，更容易發生虛警、漏警等；因此軟故障檢測與診斷技術更需要深入研究。

2)大多數研究針對衛星分系統，而當系統級和分系統級都受到影響時，造成它們的差值可能對故障不敏感；因此提出分層、分級、多故障的綜合處理策略是GNSS領域非常有意義的一個研究方向。

3)目前GNSS故障診斷的研究主要集中在各種方法及改進方法上，但對GNSS這一復雜系統來說，單一故障診斷方法往往具有局限性，快速準確的診斷難以保證；因此多種方法集成的智能診斷技術是亟待解決的一項研究課題。

2 容錯方法研究

能否在故障發生時，提出有針對性的、行之有效的容錯方案是保證系統健康穩定運行的必然要求[29]。目前，容錯方案主要分為2類：即主動容錯和被動容錯。主動容錯是根據故障檢測和故障診斷得到實際的故障信息，重構控制器，進而達到系統穩定有效控制的目的[30]；而被動容錯是在不需要故障檢測和故障診斷的前提下，采用具有魯棒性的控制方案使得系統對特定故障不敏感，從而保證系統穩定[31]。

2.1 主動容錯方法

主動容錯系統一般由故障診斷子系統和重構子系統組成。故障診斷子系統需要對故障具有較高靈敏度，并對未知動力學特性、模型不確定性以及干擾具有魯棒性[32]。雖然對GNSS故障診斷可以作為一個獨立的領域進行研究；但當進行主動容錯設計時，故障診斷環節的設計需要與系統重構環節整體考慮，而不是簡單的一個診斷工具。

在GNSS容錯設計中，需要配備在線的故障診斷算法[33]，實時確定量測信息的有效性，決策用哪些局部狀態估計來計算全局狀態估計。同時，在診斷到故障后能夠進行必要的系統重構，使得系統不致因故障失效，這實則為一個在線故障診斷和重構[34]的動態系統設計。

聯邦濾波器可以實現對故障的有效隔離和系統重構[35]，該方法采用信息分配原則，各子Kalman濾波器相對獨立，沒有子濾波器間交叉污染，可以把故障限制在子濾波器內，通過融合無故障子濾波器的解為主濾波器的最優解，來保障系統正常運行。對于執行機構發生的故障，文獻[36]設計了故障診斷策略，并基于重構故障信息設計了退步容錯方案。文獻[37]利用非線性幾何方法，設計了與干擾解耦的自適應濾波器，準確估計了衛星故障，進而設計了重構邏輯實現系統容錯控制。文獻[38]系統地研究了組合導航系統的故障隔離和重構策略。基于模糊理論，文獻[39]提出了針對系統自主切換的基本組合導航方案，在無GPS信號覆蓋時，利用環境特征標志輔助傳統的地圖匹配方法，并重構導航系統。文獻[40]針對微捷聯慣性導航系統(micro strapdown inertial navigation system，MSINS)及GPS組合導航系統，采用三層容錯結構有效地檢測了粗差、速度跳變，提出一種及時隔離故障的改進濾波算法，提高了系統的實時性、魯棒性和容錯能力。

為解決目前大多故障檢測法對緩變軟故障檢測不靈敏、延遲性較大、難以判斷故障類別等問題，文獻[41]設計了一種小波模極大值容錯算法，提升了軟故障檢測靈敏度，也可以通過故障點處信號Lipschitz指數來判斷故障類別。該方法為傳感器故障隔離和修復提供了有效的信息，也為多傳感器的組合導航系統的可靠運行提供了保障。

為實現GNSS故障情況的主動容錯，其中最關鍵的問題是故障檢測和診斷環節能夠提供準確及時的故障信息；然而，實現精確故障診斷并非易事，會受到系統模型的不確定性、外干擾等多種因素的影響；此外，由于各個故障間存在交互作用，可能導致無法利用單個故障的模式特征對復合故障進行故障建模和理論分析：因此主動容錯技術存在設計復雜、計算量大、實際應用困難等問題。

2.2 被動容錯方法

相較于主動容錯技術，被動容錯技術無需進行故障檢測和診斷，更無需進行控制方案的切換，因而也避免了主動容錯技術存在的上述缺點。在GNSS領域，文獻[42]提出了“最優魯棒余度關系”的概念，但其深入研究的是線性系統的魯棒故障檢測方法[43]，而不能診斷隔離故障。文獻[44]針對導航系統中常規容錯算法精度不高、檢測故障類型單一的問題，設計了一種雙狀態模糊自適應的組合容錯算法。在考慮了外部干擾影響的情況下，文獻[45]基于自適應退步方法設計了針對執行機構故障衛星的容錯控制方案；文獻[46]針對存在干擾及不確定性的情況，基于自適應魯棒方法設計了一種容錯控制方案。

2.3 容錯方法小結

從以上研究可以看出，基于故障檢測與診斷的主動容錯技術在一定程度上得到了顯著發展；但是針對GNSS不同級別、不同故障來源及類型，提出全面及時有效的容錯重構方案尚存在一定的空白。特別是基于系統模型不確定、故障來源不明確、干擾大情況下的模糊故障，目前尚未開展有效的被動容錯技術研究。

3 GNSS故障診斷及容錯技術展望

綜合分析GNSS故障診斷及容錯技術的研究現狀，多星多站多層級的綜合診斷技術、多方法融合的智能故障診斷技術、及時有效的故障容錯技術將成為未來GNSS故障研究領域的發展方向：

1)多星多站多層級的綜合診斷技術：針對GNSS地面站設備眾多、衛星觀測數據量大、各站數據質量不同的情況，利用故障樹分層、分級地研究系統每個組成部分的潛在故障模式，從故障產生機理和響應特征出發，對硬故障、軟故障或多故障、復合故障進行故障建模與理論分析，進而提出多星多站多層級的綜合診斷方法，既避免由于單站數據故障引起對系統狀態的誤判，又能及時有效地檢測出軟故障，提高故障處理效率，實現異常問題的快速發現。

2)多方法融合的智能故障診斷技術：在GNSS系統中，采用單一的診斷方法往往無法滿足系統故障診斷的需求，綜合考慮系統功能、效果和客觀條件等各方面因素，將解析模型、信號處理、人工智能等故障診斷方法相結合，明確智能診斷策略，結合多層級的診斷策略、合適的診斷粒度、模型信號和智能知識結合，取長補短，從而實現故障快速診斷和精確診斷，使整個系統達到更高智能水平。

3)及時有效的故障容錯技術：GNSS系統中及時有效的故障容錯技術使導航系統具有自監控能力，在故障診斷條件下，及時將故障設備進行隔離，并能夠將其余設備進行重構，從而使GNSS系統能夠正常或降低性能地安全運行。因此，配合多數據多方法融合的智能故障診斷技術，能夠根據自身故障體系自動地調動信息資源，對硬件故障采用主動重構，對軟件故障采用被動魯棒的混合智能化、自動化容錯技術，及時有效地消除故障對系統的影響，保證系統的健康運行。

4 結束語

隨著衛星導航的快速發展，其精度和可靠性日益受到關注，而快速有效的故障診斷及容錯技術是提高導航系統性能的重要保障。本文分析了衛星導航系統故障診斷方法及研究現狀，主要包括解析模型故障診斷法、信號處理故障診斷法以及人工智能故障診斷法等，并總結出各種方法的優缺點；分層次介紹了主動容錯方法和被動容錯方法在衛星導航領域的研究；最后指出未來GNSS故障診斷的發展趨勢體現在多星多站多層級的綜合診斷技術、多方法融合的智能故障診斷技術、及時有效的故障容錯技術等研究方向上。

[1] 張玲霞.導航系統故障檢測與診斷及其相關理論問題的研究[D].西安：西北工業大學，2004.

[2] 程洪炳，黃國榮，劉華偉.導航系統故障檢測與診斷技術綜述[J].傳感器與微系統，2010，29(3)：1-4.

[3] 王耀才.智能故障診斷技術的現狀與展望[J].徐州建筑職業技術學院學報，2003，3(1)：37-39.

[4] 高為廣，杜燕，王楠.模型誤差對χ2統計檢驗算法的影響分析[J].測繪科學，2009，34(1)：141-143.

[5] DA R，LIN C F.Failure detection and isolation structure for global positioning system autonomous integrity monitoring[J].Journal of Guidance，Control，and Dynamics，2012，18(2)：291-297.

[6] GAYLOR D E，LIGHTSEY E G.GPS/INS Kalman filter design for spacecraft operating in the proximity of the international space station [EB/OL].[2017-01-18].https：//www.researchgate.net/profile/David_Gaylor/publication/242369422_GPSINS_Kalman_Filter_Design_for_Spacecraft_Operating_in_the_Proximity_of_the_International_Space_Station/links/5407191c0cf23d9765a8373f.pdf?inViewer=0&pdfJsDownload=0&origin=publication_detail.

[7] 孫學磊.基于濾波殘差的組合導航系統故障檢測研究[J].計測技術，2009，29(2)：5-8.

[8] LI F.GPS integrity monitoring algorithms based on tightly-coupled GPS/INS integrated system[J].Information Science and Engineering(ICISE)，2011，17(1)：6654-6657.

[9] 高關根，程農.改進的殘差檢驗法在組合導航系統故障檢測中的應用[J].系統仿真學報，2009，20(增刊2)：341-344.

[10] 王凌軒，隋立芬，向民志，等.GPS動態導航接收機自主完好性監測算法[J].測繪科學，2015，40(12)：130-134.

[11] SINPYO H，MAN H L.Observability of error state in GPS/INS integration[J].IEEE Transactions on Vehicular Technology，2005，54(2)：102-106.

[12] MALLAT S.信號處理的小波導引[M].楊力華，戴道清，黃文良，等譯.2版.北京：機械工業出版社，2002：15-22.

[13] 田曉東，韋錫華.小波分析在多傳感器組合導航故障檢測中的應用[J].青島大學學報，2002，17(4)：66-68.

[14] 徐勝紅，吳進華，胡志強，等.組合導航系統故障檢測的小波變換方法研究[J].宇航學報，2003，24(1)：111-114.

[15] 林雪原，王杰，駱卉子.基于小波輔助的GPS/SINS組合導航系統故障檢測與信息融合算法[J].兵工自動化，2012，31(2)：52-56.

[16] QIAN Huaming，MA Jichen，LI Zhongyu.Navigation sensors fault diagnosis based on wavelet transformation and neural Network[C]//IEEE.Proceedings of the 8th International Conference on Electronic Measurement and Instruments.Xi’an：IEEE Inc.，2007：592-595.

[17] 范繼偉，沈學強，楊成偉.小波故障檢測在脈沖星組合導航中的應用[J].兵工自動化，2016，35(5)：46-50.

[18] 孫麗.基于神經網絡的故障診斷專家系統的研究[D].長春：東北師范大學，2007：21-27.

[19] 孫增國.神經網絡和模糊專家系統在故障診斷中的應用[D].大連：大連理工大學，2004：22-28.

[20] JIANG B，STAROSWIECKI M，COCQUEMPOT V.Fault accommodation for a class of nonlinear systems[J].IEEE Trans on Automatic Control，2006，51(9)：1578-1583.

[21] 金亮亮.基于故障樹的航天器故障診斷專家系統[D].南京：南京航空航天大學，2008：9-14.

[22] 王芳，劉剛.慣性/GPS組合導航系統的故障樹分析法[J].工程與技術，2004(4)：38-40.

[23] YUAN Dongli，YAN Jianguo，XI Qingbiao.A study of fault detection and system reconfiguration for UAV navigation system based on RBF neural network[C]//IEEE.Proceedings of the 7th World Congress on Intelligent Control and Automation(WCICA 2008).Chongqing：IEEE Inc.，2008：55-58.

[24] HE Ming，LIU Guangbin，ZHAO Dawei.Fault tolerant integrated navigation system based on neural network information fusion[C]//SPIE.Proceedings of International Conference on Space Information Technology.Wuhan：SPIE，2005：59853W，1-5.

[25] 張彥霞，肖清泰，徐建新，等.基于經驗模態分解的小波神經網絡預測模型[J].計算機應用與軟件，2016，33(10)：284-287.

[26] 金曉明.基于模糊神經網絡的綜合導航系統故障檢測與診斷技術[J].導航，2007(3)：73-78.

[27] WALID A H.Accuracy enhancement of integrated MEMS-IMU/GPS systems for land vehicle navigation applications [D].Canada：University of Calgary，2004：1-35.

[28] MEZENTSEV O，LU Y，LACHAPELLE G，et al.Vehicle navigation in urban canyons using a high sensitivity GPS receiver augmented with a low cost rate gyro[C]// The Institute of Navigation.Proceedings of ION GNSS+ conference.Virginia：The Institute of Navigation，2002：1-12.

[29] 邢琰，吳宏鑫，王曉磊，等.航天器故障診斷與容錯控制技術綜述[J].宇航學報，2003，24(3)：221-226.

[30] JIANG J，YU X.Fault-tolerant control systems：a comparative study between active and passive approaches[J].Annual Reviews in Control，2012，36：60-72.

[31] CHEN J，PATTON R.Robust model-based fault diagnosis for dynamic systems[M].MA：Kluwer Publishers Norwell，1999.

[32] ZHANG Y M，JIANG J.Bibliographical review on reconfigurable fault-tolerant control system[J].Annual Reviews in Control，2008，32：229-252.

[33] VOLZHIN A S，VIAZMIKIN A A，ZEENICH V S，et al.Integrated system able to measure errors of satellite navigation system receivers[J].IEEE Aerospace and Electronic Systems Magazine，2005，20(8)：13-15.

[34] WANG J L，PIETER B O.On the availability of fault detection and exclusion in GNSS receiver autonomous integrity monitoring[J].The Journal of Navigation，2009，62(2)：251-261.

[35] CARLSON N A，BERARDUCCI M L.Federated Kalman filter simulation results[J].Journal of the Institute of Navigation，1994，41(3)：297- 321.

[36] XIAO B，HU Q，FRISWELL M I.Active fault-tolerant attitude control for flexible spacecraft with loss of actuator effectiveness[J].International Journal of Adaptive Control and Signal Processing，2013，27(11)：925-943.

[37] BERTONI G，CASTALDI P，MIMMO N，et al.Active fault tolerant control system for a high accuracy planet-image and stellar-pointing satellite[J].Automatic Control in Aerospace，2010，43(15)：422-427.

[38] 徐景碩，王維江.容錯多傳感器組合導航系統發展綜述[J].航空電子技術，2006，37(3)：25-28.

[39] 曹夢龍，崔平遠.高精度自主導航系統重構方案研究與實現[J].系統工程與電子技術，2008，30(5)：893-897.

[40] 馬云峰.MSINS/GPS組合導航系統及其數據融合技術研究[D].南京：東南大學，2005.

[41] 程建華，李明月.基于小波分析的容錯組合導航系統故障檢測算法研究[J].宇航學報，2012，33(4)：420-425.

[42] LOU X，WILLSKY A S，VERGHESE G C.Optimally robust redundaney relations for failure detection in uncertain systems[J].Automatica，1986，32(3)：333-344.

[43] DING X，JEISEH T.A characterization of parity space and its application to robust fault detection[J].Automation Control，1999，44(2)：337-343.

[44] 楊春，張磊，郭健，等.采用雙狀態傳播卡方檢驗和模糊自適應濾波的容錯組合導航算法[J].控制理論與應用，2016，33(4)：500-511.

[45] XIAO B，HU Q L，MA G F.Robust fault tolerant attitude control for spacecraft under partial loss of actuator effectiveness[J].Control & Decision，2011，34(3)：263-268.

[46] CAI W C，LIAO X H，SONG D Y.Indirect robust adaptive fault-tolerant control for attitude tracking of spacecraft[J].Journal of Guidance，Control and Dynamics，2012，31(5)：1456-1463.